最短路径问题

最短路径问题

最短路径是图论中一个重要的知识点，在一个有向图中，如何求出两个节点之间的最短路径？上学期学了python，然后期末做了一个旅途咨询系统，这学期刚学了图论，所以将最短路径问题整理了一下。这样一个旅途资询系统（当然旅途咨询系统不是重点）需要解决单源最短路径问题，单源最短路径问题解决后得到的是从源节点到其他节点的最短路径，用到的是Dijkstra算法，但如果是想知道一个节点到其他某一个节点的最短路径，比较好用的就是floyd算法了。

接下来我会分三个步骤讲解这两个算法，如果有理解错的地方，欢迎指正。这三个步骤是：算法思想、算法复杂度和特点以及具体实现。
有关最短路径问题的一篇文章，很多很详细

算法思想

前提：得到一个邻接矩阵，这个矩阵中的元素就是对应边的长度，或者说权重

1. Dijkstra算法
   （1）选定一个节点V作为源节点，并用一个dist数组来记录该节点到其他节点的最短路径的距离，再用两个集合visited和T分别表示已经确定了最短路径的终点和其他节点，起初，visited中只有源节点；
   （2）在T中选择出一个到源节点路径最短的节点A,并以节点A作为中转节点，然后将A从T移到visited中，接着调整T中节点经过中转节点A到达源节点src的最短路径，调整原则是取dist[end] 与 dist[A][end]+dist[A]的最小值；
   （3）再从T中选出一个到源节点路径最短的节点B，然后将B从T移到visited中，并进行（2）中操作，依次类推直到T中没有节点为止，最后得到的是一个数组，dist[end]的值就是src到end的最短路径的距离了.。

2. floyd（弗洛伊德）算法
   （1）从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。
   （2）对于每一对顶点 u 和 v，看看是否存在一个顶点 w 使得从 u 到 w 再到 v 比u到v的路径更短。如果是就更新最短路径。

两种算法的算法复杂度和特点

• 算法复杂度
  先简单说一下算法复杂度，算法复杂度分为时间复杂度和空间复杂度，时间复杂度等于所有语句的运行次数之和，通常用时间复杂度的渐进上界来衡量时间复杂度即O(f(n))，空间复杂度指在运行过程中占用了多少存储空间，主要是辅助空间，依旧是O(f(n))来衡量空间复杂度，递归栈就是需要被算入辅助空间。那么这两种算法的算法复杂度如何？
  Dijkstra算法的时间复杂度为O(n^2)，空间复杂度为：O(n）；
  floyd（弗洛伊德）算法的时间复杂度为O(n^3)， 空间复杂度为O(n^2)
• 算法特点：
  1、floyd（弗洛伊德）算法时间复杂度比较高，不适合计算大量数据；
  2、更为重要的是：dijkstra算法使用的前提是图中路径长度必须大于等于0；但是floyd算法则仅仅要求没有总和小于0的环路就可以了，因此floyd算法应用范围比dijkstra算法要广。；
  3、dijkstra算法返回的是一个数组，而floyd直接返回两个节点在图中的最短路径。

实现

1. Dijkstra算法（使用的python，这里只有部分代码）

import sys
Max=sys.maxsize
Min=sys.maxsize
src_node=int(input("输入起始节点,节点1输入0，节点2输入1，依次类推")) #src_node=1表示源节点为节点2
dis=weight_matrix[src_node] #weight_matrix代表邻接矩阵，里面的元素是相应边的权重
src_node+=1
u=0
book = [0 for i in range(7)]
for i in range(6):
    Min=Max
    for j in range(7):
        if book[j]==0 and dis[j]<Min:
            Min=dis[j]
            u=j
    book[u]=1 #一旦一个节点做了一次中转节点就为其进行标记
    for j in range(7):
        if weight_matrix[u][j]<Max and dis[j]>dis[u]+weight_matrix[u][j]:
            dis[j]=dis[u]+weight_matrix[u][j]
for i in range(7):
    print("节点"+str(src_node)+"到达"+str(i+1)+"节点的最短路径"+str(dis[i]))

2. floyd（弗洛伊德）算法

for a in range(7):
    for b in range(7):
        for c in range(7):
            weight_matrix[b][c]=min(weight_matrix[b][c],weight_matrix[b][a]+weight_matrix[a][c])#weight_matrix代表邻接矩阵，里面的元素是相应边的权重
weights1=weight_matrix[2][4]

print("节点3到节点5的最短路径为:",weights1)
weights2=weight_matrix[3][6]
print("节点4到节点7的最短路径为:",weights2)